《自适应均衡RLS算法》由会员分享，可在线阅读，更多相关《自适应均衡RLS算法（4页珍藏版）》请在装配图网上搜索。
1、杨洲良 2012201261自适应均衡LMS算法利用自适应均衡器补偿未知时变信道的特性，需要采用有效的算法跟踪信道 特性变化来更新均衡器的加权系数。适合自适应均衡器的算法有很多。我们主要 对 LMS 算法的原理加以分析。1、基于 LMS 的自适应均衡算法LMS 算法所采用的准则是最小均方误差准则，起代价函数为：J 二 E e(n)2二 Ed (n)-X(n)2这里，d (n)是在第n个新号传输间隔发送的信息符号，x(n)是均衡器输出端对该符号的估计值。利用梯度下降法，可以得到权向量的迭代公式(n +1)= c (n )+ 2ye* (n ) y (n )式中，c(n)是均衡器抽头加权矢量，y(
2、n)是均衡器的输入序列，卩是收敛因子，且有0 1/九，九 是均衡器输入矢量自相关矩阵统计平均所得矩阵 max max的最大特征值。2、仿真分析利用matlab仿真工具对基于LMS自适应均衡算法的均衡器进行相关仿真。 假设发端发送的信号为16QAM信号，自适应滤波权数为32,设定收敛因子 和遗忘因子为0.008和0.98，总采样数为1000，得到采样信号、误码率曲线以及 实际与估计权重对比图。进行仿真得：System outputindinci paraE 一站 a pue anJ_lll_-BAoLilComparison of the actual jAceights and the esi
3、imat+ Actual-weights*Estimated Eighty0.30.250.20.150.1OO5o附(代码)：%channel system order sysorder = 5 ;% Number of system points N=2000;inp = randn(N,1);n = randn(N,1);b,a = butter(2,0.25);Gz = tf(b,a,-1);%This function is submitted to make inverse Z-transform (Matlab central file exchange)%The first s
4、ysorder weight value %h=ldiv(b,a,sysorder);% if you use ldiv this will give h :filter weights to be h= 0.0976; 0.2873; 0.3360; 0.2210; 0.0964;y = lsim(Gz,inp);%add some noisen = n * std(y)/(10*std(n);d = y + n;totallength=size(d,1);%Take 60 points for training N=60 ;%begin of algorithmw = zeros ( sy
5、sorder , 1 ) ;for n = sysorder : Nu = inp(n:-1:n-sysorder+1) ;y(n)= w * u;e(n) = d(n) - y(n) ;% Start with big mu for speeding the convergence then slow down to reach the correct weights if n 20 mu=0.32;else mu=0.15;endw = w + mu * u * e(n) ;end%check of resultsfor n = N+1 : totallength u = inp(n:-1
6、:n-sysorder+1) ;y(n) = w * u ;e(n) = d(n) - y(n) ; end hold on plot(d) plot(y,r);title(System output) ; xlabel(Samples) ylabel(True and estimated output) figuresemilogy(abs(e) ; title(Error curve) ;xlabel(Samples) ylabel(Error value) figureplot(h, k+)hold onplot(w, r*) legend(Actual weights,Estimated weights) title(Comparison of the actual weights and the estimated weights) ; axis(0 6 0.05 0.35)
自适应均衡RLS算法
